Sana 1600M 512px

🚀 🐱 Sana模型卡片

Sana是一个文本到图像的框架，能够高效生成最高达4096 × 4096分辨率的图像。它可以以极快的速度合成高分辨率、高质量且文本 - 图像对齐效果好的图像，并且可部署在笔记本电脑的GPU上。

             

✨ 主要特性

我们推出的Sana是一个文本到图像的框架，可高效生成最高达4096 × 4096分辨率的图像。Sana能够以极快的速度合成高分辨率、高质量且文本 - 图像对齐效果好的图像，并且可部署在笔记本电脑的GPU上。源代码可在https://github.com/NVlabs/Sana获取。

📚 详细文档

模型描述

模型来源

出于研究目的，我们推荐使用我们的generative - models Github仓库(https://github.com/NVlabs/Sana)，它更适合训练和推理，并且集成了像Flow - DPM - Solver这样的最先进的扩散采样器。MIT Han - Lab提供免费的Sana推理。

• 仓库：https://github.com/NVlabs/Sana
• 演示：https://nv-sana.mit.edu/

🧨 Diffusers

PR开发中：Sana 和 DC - AE

📦 使用场景

直接使用

该模型仅用于研究目的。可能的研究领域和任务包括：

• 生成艺术作品并用于设计和其他艺术过程。
• 在教育或创意工具中的应用。
• 生成模型的研究。
• 对有可能生成有害内容的模型进行安全部署。
• 探索和理解生成模型的局限性和偏差。

排除使用的情况如下所述。

超出范围的使用

该模型并非用于真实准确地呈现人物或事件，因此使用该模型生成此类内容超出了其能力范围。

🔧 技术细节

局限性

• 该模型无法实现完美的照片级真实感。
• 该模型无法渲染复杂清晰的文本。
• 一般来说，手指等可能无法正确生成。
• 模型的自动编码部分存在信息损失。

偏差

虽然图像生成模型的能力令人印象深刻，但它们也可能强化或加剧社会偏差。